Si estáis utilizando Conda, podéis instalar las librerías con el siguiente comando, siempre que estéis en el directorio en el que se encuentra el archivo:
conda install --file requirementsRecordad que para todos los pasos tenéis que tener activo el entorno conda.
El primer paso es lanzar MLFlow para poder guardar experimentos en local.
cd experiment_tracking
mlflow server --port 5000Esto hará que tengáis disponible MLFlow en esta url: http://127.0.0.1:5000. Esta misma url es la que tenéis que utilizar en los archivos:
mlflow.set_tracking_uri('http://127.0.0.1:5000')Una vez todo esté listo, sólo tenéis que lanzar el código como python [nombre-archivo].py
Podéis usar la configuración de Pycharm para lanzar la API (mejor ver el video de la clase) o desde el terminal.
Lo primero que tenéis que hacer es aseguraros que estáis en el directorio correcto. Desde el directorio principal del repo, podéis hacer cd api.
Una vez dentro, tenéis que levantar la API con el siguiente comando:
uvicorn main:app --reloaddonde main:app equivale al nombre_archivo:nombre_variable_asignada_a_FastAPI(). Una vez levantada, podéis acceder a ella aquí: http://127.0.0.1:8000
Recordad que la url para la documentación que vimos en clase es la siguiente: http://127.0.0.1:8000/docs
Como comentamos en clase, quiero que entregueis el challenge de la API (y el challenge de MLFlow si lo queréis hacer) como forks al repo. Os dejo una guía: https://drupal.gatech.edu/handbook/using-pull-requests-forks